ITPub博客

大数据采集实战案例之大众点评商家数据及联系方式采集教程

原创 数据挖掘 作者:后羿采集器 时间:2018-11-09 16:39:45 0 删除 编辑

本文主要介绍如何使用后羿采集器的 智能模式 ,免费采集大众点评商家的地址、人均、评价、电话等信息。

采集工具简介:

后羿采集器是一款基于人工智能技术的网页采集器,只需要输入网址就能够自动识别网页数据,无需配置即可完成数据采集,是业内首家支持三种操作系统(包括Windows、Mac和Linux)的 网络爬虫软件

该软件是一款真正免费的数据采集软件,对采集结果导出没有任何限制,没有编程基础的小白用户也可轻松实现数据采集要求。

官方网址:http://www.houyicaiji.com/

采集对象简介:

大众点评是中国领先的本地生活信息及交易平台,也是全球最早建立的独立第三方消费点评网站。大众点评不仅为用户提供商户信息、消费点评及消费优惠等信息服务,同时亦提供团购、餐厅预订、外卖及电子会员卡等O2O(Online To Offline)交易服务。

采集字段:

商家名、商家链接、地址、点评数、人均、口味、环境、服务、团购数、展示图片、电话

功能点目录

如何采集列表+详情页类型网页

如何采集手机版网页的数据

如何下载图片

采集结果预览:

导出到Excel表格:

导出到本地的图片:

下面我们来详细介绍一下如何免费采集大众点评网商家数据,我们以杭州自助餐的商家数据为例,具体步骤如下:

步骤一:下载安装后羿采集器,并注册登录

1、 点此 打开后羿采集器官网,下载并安装爬虫软件工具—后羿采集器软件

2、点击注册登录,注册新账号,登录后羿采集器

【温馨提示】 您可以直接使用此款爬虫软件,不需要进行注册,但是匿名账户下的任务在切换到注册用户时会丢失,因此建议您注册后使用。

后羿采集器为神箭手云旗下产品,如果您是神箭手用户,可直接登录。

步骤二:新建采集任务

1、复制 大众点评网自助餐 商家的网页(需要搜索结果页的网址,而不是首页的网址)

点此 了解关于如何正确地输入网址。

2、新建智能模式采集任务

您可以在软件上直接新建采集任务,也可以通过导入规则来创建任务。

点此 了解如何导入和导出采集规则。

步骤三:配置采集规则

1、设置提取数据字段

在智能模式下,我们输入网址后软件即可自动识别出页面上的数据并生成采集结果,每一类数据对应一个采集字段,我们可以右击字段进行相关设置,包括修改字段名称、增减字段、处理数据等。

点此 了解如何对采集字段进行配置。

在列表页上,我们需要采集大众点评网商家的商家名、商家链接、地址、点评数、人均、口味、环境、服务、团购数及展示图片等内容,由于星级评价元素比较特殊,后羿V2.1.22版本暂不支持采集此字段,后续版本中会实现这一功能,字段设置效果如下:

2、使用深入采集功能提取详情页数据

在列表页上只展示出了自助餐商家的部分信息,如果需要采集商家电话,我们需要右击商家链接使用“深入采集”功能,跳转到详情页进行采集。

点此 深入了解如何采集列表+详情页类型网页。

在详情页面我们可以看到商家电话,我们点击“添加字段”按钮,然后在页面中点击商家电话。

我们可以看到添加的字段采集出来的是字符而不是实际上的商家电话,这是由于在PC浏览器模式下,大众点评对商家电话元素进行了设置,当我们复制这个电话号码是并不是实际上的电话号码而是字符。

由于不同网页在不同浏览器模式下呈现的内容可能不同,大众点评网的商家电话在手机浏览器模式下能展示出实际的内容,因此我们可以通过切换浏览器模式的方式来抽取商家号码的字段。

点此 了解更多切换浏览器模式的内容。

点此 了解如何采集手机版网页的内容。

步骤四:设置并启动采集任务

1、设置采集任务

完成了采集数据添加,我们可以开始启动采集任务了。在启动之前我们需要对采集任务进行一些设置,从而提高采集的稳定性和成功率。

点击“设置”按钮,在弹出的运行设置页面中我们可以进行运行设置和防屏蔽设置,这里我们勾选“跳过继续采集”,设置“2”秒请求等待时间,勾选“不加载网页图片”,防屏蔽设置就按照系统默认设置,然后点击保存。

点此 深入了解如何对采集任务进行配置。

2、启动采集任务

点击“保存并启动”按钮,可在弹出的页面中进行一些高级设置,包括定时启动、自动入库和下载图片,本次示例中未使用到定时采集及自动入库功能,勾选下载图片到本地的功能后,点击“启动”运行爬虫工具。

点此 深入了解什么是定时采集。

点此 深入了解什么是自动入库。

点此 深入了解如何下载图片。

【温馨提示】 免费版本可以使用非周期性定时采集功能,下载图片功能是免费的。个人专业版及以上版本可以使用高级定时功能和自动入库功能。

3、运行任务提取数据

任务启动之后便开始自动采集数据,我们从界面上可以直观的看到程序运行过程和采集结果,采集结束之后会有提醒。

步骤五:导出并查看数据

数据采集完成后,我们可以查看和导出数据,后羿采集器支持多种导出方式(手动导出到本地、手动导出到数据库、自动发布到数据库、自动发布到网站)和导出文件的格式(EXCEL、CSV、HTML和TXT),我们选择自己需要方式和文件类型,点击“确认导出”。

点此 深入了解如何查看和清空采集数据。

点此 深入了解如何导出采集结果。

【温馨提示】: 所有手动导出功能都是免费的。个人专业版及以上版本可以使用发布到网站功能。



来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31555526/viewspace-2219432/,如需转载,请注明出处,否则将追究法律责任。

下一篇: 没有了~
请登录后发表评论 登录
全部评论

注册时间:2018-10-16

  • 博文量
    6
  • 访问量
    2390